置换检验

基本思想

置换检验通过在零假设允许的范围内重新排列观测标签，反复计算检验统计量，构造经验零分布。其核心前提是可交换性：在零假设成立时，被置换的观测单位或标签可以交换，而不改变联合分布。

典型流程为：

当使用随机抽取的置换而非穷举全部排列时，常用单侧估计为：

p=\frac{1+\sum_{b=1}^{B}I\left(T_b^*\geq T_{\mathrm{obs}}\right)}{B+1}

分子和分母同时加1，可避免有限次随机置换得到 $p=0$ 。双侧检验需要事先定义“同样或更极端”的统计量方向，不能在查看结果后临时选择单侧方向。

置换对象必须与研究设计一致。若患者是独立实验单位，同一患者内的细胞、空间点位或克隆通常相关，不能把每个细胞视为彼此独立并在所有患者之间任意打乱。

研究问题	合理的置换单位或约束	常见错误
两组患者的连续指标差异	在满足随机化或可交换性条件时置换患者组标签	置换患者内的单个细胞，夸大有效样本量
TCR表型在组织区室中的富集	在患者内置换区室标签，或按研究设计置换克隆与区室的对应关系	跨患者无约束混洗，破坏患者层级
空间细胞邻接富集	在每张切片内置换细胞类型标签，或使用保留组织边界与密度的空间随机化	打乱空间坐标后同时破坏组织形状和细胞密度
配体–受体或通路分数比较	保留样本层级，在样本标签或预先定义的交换块内置换	仅在合并细胞矩阵上置换细胞标签

分层、配对、批次和重复测量设计需要受限置换。置换规则应保留零假设下不应被破坏的结构，例如患者、切片、批次、配对关系和空间边界。

$B=1000$ 次随机置换时，采用加1校正后的最小可报告 $p$ 值约为 $1/1001$ 。这说明检验的尾部概率分辨率有限，并不表示1000次置换可以证明存在真实富集。

置换次数越多，经验 $p$ 值的蒙特卡洛误差越小。结果接近显著性阈值或需要进行大规模多重检验时，应增加置换次数、报告随机种子，并对多重比较进行适当校正。

置换检验回答的是：在指定零模型和置换规则下，观察到同样或更极端统计量的频率有多高。结果依赖零模型，显著性不能替代效应量、生物学机制和独立验证。

在TLS干样肿瘤特异性T细胞研究中，置换检验用于评估TCR表型在组织区室中的富集趋势。患者内区室结构和克隆重复观测需要在置换规则中保留。

在CANVAS虚拟空间肿瘤剖析的空间邻接分析中，随机打乱细胞类型标签可估计无偏好邻接时的统计量分布。若组织边界、细胞密度或空间自相关未被保留，零模型可能过于简单。